本科毕业设计论文-基于综合概率函数和相关反馈的图像检索 开题报告.docVIP

基于内容的商标检索技术 摘要：随着我国经济的迅速发展，商标图像不断增加，传统的基于分类码和文本的商标检索技术由于效率不高以及对特征标注的繁琐等缺点已经逐渐落后于人们对于商标检索的性能需求，基于内容的图形检索技术日益成为人们研究的热点。本文将结合前人研究的内容，首先对基于内容的商标检索技术进行介绍和分析，然后将人工神经网络与深度学习算法进行结合，运用AUTO-ENCODER算法通过深度信念网络训练图形特征，然后运用训练出来的特征通过BP神经网络对图形进行检索，得出结果，并对结果进行误差分析。最后对改进深度学习神经网络模型提出自己的建议。 关键词：商标检索；基于内容；神经网络；深度学习 1 研究背景 商标是商品的生产者、经营者在其生产、制造、加工、拣选或者经销的商品上或者服务的提供者在其提供的服务上采用的，用于区别商品或服务来源的，由文字、图形、字母、数字、三维标志、声音、颜色组合，或上述要素的组合，具有显著特征的标志，是现代经济的产物。在商业领域而言，商标包括文字、图形、字母、数字、三维标志和颜色组合，以及上述要素的组合，均可作为商标申请注册。经国家核准注册的商标为“注册商标”，受法律保护。商标通过确保商标注册人享有用以标明商品或服务，或者许可他人使用以获取报酬的专用权，而使商标注册人受到保护。[1]。 商标作为一种特殊的并且具有商业价值和法律效力的图片，为了凸显它的价值，应该具有外形唯一性。因此应当避免申请注册商标和已注册商标相似。为了避免与已经注册的商标相似，需要在商标注册之前对已注册的商标进行检索[1]。 传统的商标检索的那种先通过人工对商标进行分类，再根据人工分配的分类码来检索商标图像的方法，既耗时又主观主义[2]，一般只能适用于几乎全用文本的商标，对于那种没有多少文本而是用图片为内容的商标，这种检索准确率很低。所以在商标检索过程中，如何探测现代用户需求，提供最能满足用户意图的个性化检索结果成为当前图像检索技术中急需解决的课题。目前对人工智能与人工神经网络( Artificial Neural Network，简称ANN) 的研究已较为广泛，但将人工智能中的神经网络算法应用于个性化图像搜索的相关研究还十分有限，在国内外关于个性化检索的研究中，应用深度学习神经网络算法进行检索结果个性化处理的研究较少，分析原因主要是由于深度学习神经网络对计算的硬件要求极高，运算速度较慢，实现困难。近年来，随着云计算技术的发展和神经网络专业硬件设备的开发，使利用深度学习神经网络算法提供个性化智能检索成为具有实践性和创新性的研究方向。本文以深度学习神经网络算法(Deep Learning) 为基础构建个性化图像检索模型，在应用过程中实现动态学习和动态跟踪，且泛化( 或推广) 能力强，为用户提供更符合其目标的检索结果。 2文献综述 2.1传统的商标检索技术 商标图像的检索方法众多，传统的商标检索方法按照检索的机理不同来划分，主要包括两种：基于文本标注的商标检索和基于分类的商标检索[2]。下面分别对这两种技术进行介绍。 2.2.1基于文本的商标检索技术 基于文本的商标图像检索沿用了传统文本检索技术，回避对图像可视化元素的分析，而是从图像名称、图像尺寸、压缩类型、作者、年代等方面标引图像，一般以关键词形式的提问查询图像，或者是根据等级目录的形式浏览查找特定类目下的图像，如Getty AAT使用近133,000个术语来描述艺术、艺术史、建筑以及其它文化方面的对象，并推出30多个等级目录，从7方面描述图像的概念、物理属性、类型和刊号等。又如Gograph将图像分为动态图像、照片、图标、背景、艺术剪辑图、插图、壁纸、界面、成套图像8个一级类，下设数量不等的子类。在图像数字化之前，档案管理者、图书管理员都是采用这种方式组织和管理图像。 基于文本的商标图形检索典型的的操作方法是将我们想要的商标图像用某一种查询语言描述，检索的过程就是匹配标注和描述，然后将商标图形数据库中相似的图像返回。目前广泛使用的如Google，百度的图片搜索就是应用的这种模式。 2.2.2基于分类的商标检索技术 目前,基于分类的商标检索技术是实践中使用最为普遍的方式之一,通过等级式分类目录对不同行业不同领域的商标进行分类和组织,并提供基于分类的浏览查找。著名的商标国际分类通用标准有《有关商标注册用商品和服务国际分类的尼斯协定》(简称《尼斯协定》,Nice Classification)[3],我国在1988年以前采用的是国内分类法,自1988年11月开始采用尼斯国际分类。尼斯分类包括45个大类,其中商品34类,服务项目11类,共包含一万多个商品和服务项目。同时为了对包括图形要素的商标建立分类,另有《建立商标图形要素国际分类的维也纳协定》(简称《维也纳协定》,Vienna Classifi